AWS ha annunciato il 9 novembre 2026 che Amazon Bedrock Managed Knowledge Base supporta tre modalità di recupero tramite AgenticRetrieveStream: restituire i passaggi trovati senza generare una risposta, eseguire una ricerca e poi generare una risposta oppure mantenere il recupero agentico in più fasi. L’applicazione seleziona la modalità per ogni richiesta con maxAgentIteration, secondo la documentazione AWS dell’annuncio.
Scegli il livello di recupero in base alla domanda: una richiesta diretta può bastare con una sola ricerca, mentre una domanda articolata può richiedere più passaggi.
RAG, cioè generazione aumentata dal recupero, combina una ricerca di informazioni in una base di conoscenza con la generazione di una risposta da parte di un modello. La novità pratica è poter usare la stessa API in streaming per restituire i testi recuperati oppure per accompagnarli con una risposta generata.
Che cosa cambia con maxAgentIteration
Il valore del parametro determina quanto lavoro svolge il sistema prima di restituire il risultato. Con 0 non viene chiamato alcun modello fondazionale; con 1 una singola ricerca precede la generazione; i valori da 2 a 5 consentono il recupero agentico in più fasi.
| Modalità | maxAgentIteration | Operazione | Quando può essere adatta |
| Solo recupero | 0 | Recupera i passaggi senza chiamare un modello fondazionale. Impostare generateResponse su false; se è true, la richiesta restituisce un errore 4xx. | Quando l’applicazione deve mostrare o elaborare direttamente i testi recuperati. |
| RAG in un passaggio | 1 | Esegue una ricerca e genera una risposta, senza round di pianificazione. | Per una domanda circoscritta a cui ci si aspetta che basti una ricerca. |
| Recupero agentico | 2–5 | Pianifica e può cercare più volte; se la generazione è attiva, la chiamata finale è riservata alla risposta. | Per domande articolate o che richiedono informazioni da più documenti. |
Una singola iterazione corrisponde a una chiamata al modello fondazionale. Quando la generazione è attiva, con un limite pari a n restano fino a n−1 round di pianificazione prima della chiamata che produce la risposta; il recupero speculativo iniziale non rientra nel conteggio. Quindi maxAgentIteration=1 significa una ricerca, non l’uso di una sola base di conoscenza: ciascuna modalità può interrogare più basi di conoscenza.
Che cosa riceve l’applicazione e quali autorizzazioni servono
La richiesta a AgenticRetrieveStream richiede agenticRetrieveConfiguration, almeno un elemento messages e almeno un elemento retrievers, come specifica la referenza API di Amazon Bedrock. In modalità solo recupero, i passaggi arrivano nell’evento result; AWS precisa che il risultato non include i campi score e location. Quando viene generata una risposta, il flusso può includere citazioni che collegano parti del testo ai risultati recuperati.
Per il recupero agentico, la guida AWS descrive l’uso di basi di conoscenza Bedrock completamente gestite e fino a cinque retriever per richiesta. Tra i permessi IAM elencati nella guida figurano bedrock:AgenticRetrieveStream, bedrock:Retrieve, bedrock:GetDocumentContent e bedrock:InvokeModelWithResponseStream. Sono indicazioni per l’integrazione agentica: la modalità con maxAgentIteration=0, invece, non effettua chiamate a un modello fondazionale.
Come valutare quale modalità usare
AWS suggerisce di provare le modalità con domande rappresentative e risposte attese sulla stessa base di conoscenza. Per decidere, un team può confrontare latenza e costo per richiesta, verificare se le risposte sono corrette e controllare che i passaggi recuperati le sostengano. La prova dovrebbe includere sia domande che richiedono più documenti sia domande a cui la base non può rispondere.
AWS afferma che il RAG in un passaggio può ridurre latenza e utilizzo dei modelli rispetto al recupero agentico; la scelta va quindi valutata sul carico di lavoro reale, senza dare per scontato che una configurazione sia adatta a ogni domanda. L’assistente bancario citato nell’annuncio è un esempio illustrativo, non un’implementazione presso un cliente.